matlab--交叉验证函数crossvalind
crossvalind
参考博客：
load fisheriris
indices = crossvalind(Kfold,species,10);
cp = classperf(species);
for i = 1:10
test = (indices == i);
train = ~test;
class = classify(meas(test,:),meas(train,:),species(train,:));
classperf(cp,class,test);
end
cp.ErrorRate
下面逐行讲解一下： 首先load fisheriris将数据集载入，可以得到meas和indices两个数据集，分别为原始的数据集和他们的标签。 可以看到数据集有150个样本，每一行是一个样本数据。 接着用交叉验证函数做十次交叉验证，将标签均分成十份，每一份打上不同的记号，记号为一个正整数。
indices = crossvalind(‘Kfold’,species,10);
可以得到150个数被不同的数打标签，同样的数就是一份，一共是十份，每一份有15个数。 接着，对标签集进行分析，可以参考
cp = classperf(species);
接下来这段代码就好理解了，十次循环，每一次取其中一份作为测试集，其余的做训练集，使用classify最近邻方法进行分类，并评估错误率。
for i = 1:10
test = (indices == i);
train = ~test;
class = classify(meas(test,:),meas(train,:),species(train,:));
classperf(cp,class,test);
end
cp.ErrorRate
取其中的i=1的情况，分别看下得到的结果：
关于classify函数的解释
